Minimum error rate training of inter-word context dependent acoustic model units in speech recognition

Chou, Wu; Lee, C.-E.; Juang, Biing‐Hwang

doi:10.21437/icslp.1994-124

Cited by 28 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In the first experiment, we used two CDMA wireless databases named "Handset" and "Lapel", respectively, collected in a moving car. set of HBT digit models [7] using 21 databases with a total of 44,123 utterances. The HBT model is context-dependent across the "head" (first 3 states) and "tail" (last 3 states) while the "body" (4 states) is context independent.…”

Section: Connected-digit Recognitionmentioning

confidence: 99%

An auditory system-based feature for robust speech recognition

Li¹,

Soong²,

Siohan³

2001

7th European Conference on Speech Communication and Technology (Eurospeech 2001)

View full text Add to dashboard Cite

An auditory feature extraction algorithm for robust speech recognition in adverse acoustic environments is presented. The feature computation is comprised of an outer-middle-ear transfer function, FFT, frequency conversion from linear to the Bark scale, auditory filtering, nonlinearity, and discrete cosine transform. The feature is evaluated in two tasks: connected-digit recognition and large vocabulary continuous speech recognition. The tested data were under various noise conditions, including handset and hands-free speech data in landline and wireless communications with additive car and babble noise. Compared with the LPCC, MFCC, MEL-LPCC, and PLP features, the proposed feature has an average 20% to 30% string error rate reduction on the connected-digit task, and 8% to 14% word error rate reduction on the Wall Street Journal task in various additive noise conditions.

show abstract

Section: Connected-digit Recognitionmentioning

confidence: 99%

An auditory system-based feature for robust speech recognition

Li¹,

Soong²,

Siohan³

2001

7th European Conference on Speech Communication and Technology (Eurospeech 2001)

View full text Add to dashboard Cite

show abstract

“…Discriminative training, usually with the MCE or MMI criterion has been shown to give improved performance, e.g. for connected digit recognition systems [7,8]. ANN-based hybrids were originally trained to do single frame discrimination by the embedded Viterbi algorithm [9,10].…”

Section: Introductionmentioning

confidence: 99%

A comparison of hybrid HMM architectures using global discriminative training

Johansen¹

1996

4th International Conference on Spoken Language Processing (ICSLP 1996)

View full text Add to dashboard Cite

This paper presents a comparison of dierent model architectures for TIMIT phoneme recognition. The baseline is a conventional diagonal covariance Gaussian mixture HMM. This system is compared to two dierent h ybrid MLP/HMMs, both adhering to the same restrictions regarding input context and output states as the Gaussian mixtures. All free parameters in the three systems are jointly optimised using the same global discriminative criterion. A Forward decoder, with total likelihood scoring, is used for recognition. While the global discriminative training method is found to improve the baseline HMM signicantly, the dierences between Gaussian and MLP-based architectures are small. The Gaussian mixture system however performs slightly better at the lowest complexity levels.

show abstract

“…(1-20) La minimización de esta expresión lleva, en [19], a una reducción de más del 25% de la tasa de error en el reconocimiento de la tarea de TIDIGITS -aunque utilizando modelos de dígito dependientes del contexto y entrenados con el corpus de train de la propia TIDIGITS -. En este experimento, el resultado base, con modelos de máxima verosimilitud, es del 0,97% de cadenas erróneas, reestimando los modelos según el criterio de mínimo error de clasificación, la tasa de error baja hasta el 0,72%.…”

Section: Entrenamiento De Mínimo Error De Clasificaciónunclassified

Entrenamiento Disciminativo de Modelos Ocultos de Markov de Unidad Subléxica para su Aplicación a Sistemas de Reconocimiento Automático del Habla Continua

Nogueiras Rodríguez

View full text Add to dashboard Cite

En esta tesis se aborda el entrenamiento discriminativo de unidades subléxicas utilizando bases de datos de propósito geneal. Las unidades subléxicas son la base de funcionamiento de los sistemas de reconocimiento de grandes vocabularios en habla continua, los cuales constituyen uno de los retos de máxima actualidad y la puerta de acceso a otras propuestas aún más ambiciosas como el dictado automático o los sistemas de diálogo. Por su parte, el entrenamiento discriminativo ha demostrado ser una herramienta sumamente potente en el modelado acústico de sistemas de reconocimiento del habla. Su funcionamiento se basa en aumentar la probabilidad de que el sistema reconozca la frase correcta aplicando, más o menos, la misma regla de decisión empleada en condiciones reales de reconocimiento. Una limitación habitual de los sistemas de entrenamiento discriminativo propuestos hasta la fecha es la necesidad de bases de datos formadas por material específico de la tarea a reconocer. En la primera parte de la tesis se presenta la propuesta propia de esta tesis para la aplicación de entrenamiento discriminativo a unidades subléxicas para su aplicación a tareas de reconocimiento del habla continua: el entrenamiento de mínima confusibilidad en segmentos acústicos de longitud limitada. Se proponen dos variantes. En la primera, el conocimiento del lenguaje de la tarea a reconocer es aprovechado para minimizar el número de errores de posible comisión en la tarea, utilizando segmentos acústicos extraídos de una base de datos de propósito general. A continuación, esta misma idea se extiende al caso en que la tarea es desconocida,obteniéndose modelos acústicos de propósito general. Se muestran resultados experimentales en el reconocimiento de las cadenas de dígitos en inglés TIDIGITS utilizando modelos de fonema y semifonema entrenados con TIMIT.

show abstract

Minimum error rate training of inter-word context dependent acoustic model units in speech recognition

Cited by 28 publications

References 0 publications

An auditory system-based feature for robust speech recognition

An auditory system-based feature for robust speech recognition

A comparison of hybrid HMM architectures using global discriminative training

Entrenamiento Disciminativo de Modelos Ocultos de Markov de Unidad Subléxica para su Aplicación a Sistemas de Reconocimiento Automático del Habla Continua

Contact Info

Product

Resources

About